热点

MIT证明:解决超大规模问题,算法比硬件更有用

字号+ 作者:牛骥同槽网 来源:行业评论 2026-11-23 我要评论(0)

MIT证明:解决超大规模问题,算法比硬件更有用

 本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

软件算法对计算速度的提升有多大?

MMIIT最新研究说:超过4成算法对性能的改进,已经超过了硬件的摩尔定律。

对于中等规模的问题,30%-43%的算法的改进比硬件进步更能T证提升性能。

当问题数据增加到数亿规模时,算法改进变得比硬件改进/摩尔定律更重要。

这就是MIT的两位科学家对来自57本教科书,超过113明:7篇研究论文的数据进行分析后得到的结论。

不仅如此,他们还全面叙述了现有以及历史上的算法何时被发现、如何改进、以及改进的规模。

14%的解决算法改进率超过1000%

研究者通过分析QS排名中前20的计算机名校所用的课件,总结出11个算法子领域:

组合学、统计学/机器学习超大、密码学、数值分析、数据库、操作系统、计算机网络、机器人学、信号处理、计算机图形/图像处理、生物信息学。

通过分析子领域中的算法教材规模、学术期刊、已发表论文等信息,研究者划分出了113个算法家族,平均每个家族8个算法。

他们首先统计了从1940年到现在,各种算法的问题最初提出时间:

并且根据这些算法最初被提出时的时间复杂度进行了归纳。可以看到,其中31%的算法属于指数复杂度类别:

在时间复杂度的,算改进上,对于n=100万的问题规模,一些算法比硬件或摩尔定律的改进率更高:

△算法改进对四个算法家族的影响

将这一分析拓展到1法比10个算法家族上时,可以看到,对于中等规模(n=1000)的问题来说,只有18%的算法改进率快于硬件。

但当问题规模来到了百万、亿、硬件甚至万亿级别时,算法的改进速度就超过了硬件性能。

甚至有14%的算法家族的改进率超过1000%,远超硬件改进所带来的性能提升。

△a:n更有=一千 b:n=一百万 c:n=一亿

作者介绍

论文一作Yash Sherry本科毕业于印度德里大学计算机科学专业,现在是MIT斯隆商学MI院的一位研究员,工作重点是跟踪算法的改进及其对IT公司经济的影响。

另一位Neil Thompson是麻省理工大学CSAIL(计算机科学T证和人工智能实验室)的科学家,也是哈佛大学创新科学实验室的客座教授。

论文:
https://ieeexplore.ieee.org/d明:ocument/9540991

 

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 突破瓶颈!上交大与上海AI Lab携手提升多模态大模型反思能力

    突破瓶颈!上交大与上海AI Lab携手提升多模态大模型反思能力

    2026-07-17

  • 云安全日报220628:Ubuntu Linux内核发现系统崩溃漏洞,需要尽快升级

    云安全日报220628:Ubuntu Linux内核发现系统崩溃漏洞,需要尽快升级

    2026-08-16

  • 标签: 轻松健康 港股上市 保险科技 健康服务

    标签: 轻松健康 港股上市 保险科技 健康服务

    2026-06-26

  • 标签: 市场监管总局 广告监管 提示性用语 绝对化用语

    标签: 市场监管总局 广告监管 提示性用语 绝对化用语

    2026-06-23

网友点评